基于神经网络的湖南省货运量预测研究

文章基于神经网络模型,针对湖南省货运量进行了预测。研究表明,神经网络模型表现出了相当高的预测水准,最后指出了研究改进的方向。     

基于GRNN神经网络的货运量预测研究

文章以全国统计局货运量的历史数据为基本数据,考虑影响货运量的8个因素,采用GRNN模型对货运量(货运总量、铁路货运量和公路货运量)进行预测,并将结果与真实值拟合比较。结果表明:该方法在预测货运量方面能够达到较好的效果,尤其在径向基函数的扩展速度为0.4时,预测结果最好。     

铁路货运量的组合预测方法研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路企业制订正确的营销战略的前提.在现有的铁路货运量预测模型中,采用的方法不同,预测的结果也不尽相同,而组合预测方法能够结合各种预测方法的有用信息,对目标进行科学的预测.本文探讨了在非负权重条件下,线性组合预测和非线性组合预测的模型,并以历年的铁路货运量为实例进了论证,实践结果令人满意.     

重庆市货运量灰色预测模型研究

本文运用灰色系统理论,建立了重庆市货运量预测模型。通过实际数据与预测结果的比较,证明灰色模型对于重庆物流的预测具有较高的精度。结果表明,未来4年重庆物流呈现稳定增长态势,结论可作为重庆物流产业发展规划的理论依据。     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模.在分析某铁路以往货运最的基础上,确定了混合神经网络的特征参数,并根捌实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型.     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模。在分析某铁路以往货运量的基础上,确定了混合神经网络的特征参数,并根据实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型。     

公路运输货运量预测方法研究

介绍了国内外公路运输货运量的预测方法,分析各种预测方法的优缺点,以及实际的预测效果。针对公路运输货运量受很多相关因素的影响,使得现有的一些预测方法预测精度不高的问题,应用混沌神经网络,建立了公路运输货运量预测的混沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果。     

基于货运量预测的物流园区用地规模研究——以南昌为例

在对物流园区用地规模的研究方法进行介绍和比较的基础上,用参数法对南昌市物流园区用地进行实证研究,预测出南昌市2020年物流园区用地需求面积,结果表明:南昌市2020年物流园区用地规划存在过度浪费.     

基于自适应神经模糊推理系统的货运量预测研究

考虑到货运量预测的复杂性及非线性特点,本文将自适应神经模糊推理系统（ANFIS）引入货运量研究中,利用ANFIS对货运量进行预测。通过对我国铁路货运量及公路货运量的实例分析检验ANFIS有效性。结果表明,ANFIS有效地预测了我国铁路货运量及公路货运量,具有较高的预测精度及较快的收敛速度,是一种有效的货运量预测方法。     

货运量回归预测工具EXCEL和SPSS结合应用研究

对货运量预测工具EXCEL和SPSS各自的优缺点进行了分析,在此基础上建议将两种预测工具相结合,提出如何．陕速、准确得出预测值并作出预测图表的方法和步骤,最后以某市社会货运量统计为样本,进行实例说明。     

基于BP神经网络的货运量预测方法

总结了常用的几种定量预测方法,并指出其在实际应用中的不足。而人工神经网络自身具有鲁棒性、容错性、有表示任意非线性关系的能力和学习能力等特性,为预测技术提供了一种新的思想和方法。最后把这种预测方法应用于物流预测取得了满意的结果。     

灰色预测模型在公路货运量预测中的应用

论述了灰色预测模型在公路货运量预测中的应用技术、方法与程序。该方法利用了累加生成手段和微分方程描述的灰色模型,与目前常规货运量预测理论和模型相比,可有效地处理小样本、贫信息的不确定系统,并在一定预测时段内具有良好的预测精度和实用性。     

分形理论在货运量预测中的应用探讨

在已有研究的基础上，提出了一种新的分形预测模型——等长度递补变维分形模型。首先阐述了等长度递补变维分形模型的基本原理；然后利用该模型对1990年～2004年我国货运量进行了预测，并利用后验差方法分析了模型的精度；最后利用模型预测了2005年～2010年我国货运量及其构成（铁路、公路和水运各自所占比重）.     

基于多因素的国家铁路货运量预测研究

本文以国家铁路货运量为预测研究对象,在选取对其产生影响的8个因素的基础上,首先,运用多元线性回归的方法来进行预测,得出了多元线性回归方程。其次,运用BP神经网络的方法以三个因素作为网络输入来进行预测,得到了更好的预测结果。最后,通过对比两种方法的预测结果,总结出了适合国家铁路货运量预测的方法。     

我国农村居民消费支出的预测分析

扩大农村居民消费支出是建设社会主义新农村的重要任务和扩大国内需求、拉动经济增长的现实需要。本文应用二次指数平滑法和灰色预测法对我国＂十二五＂期间农村居民消费支出进行组合预测,并提出相应对策建议。     

基于回归模型的西北五省区货运量预测

基于2001~2012年西北五省统计数据,选择货运量为指标,应用SAS软件,对2002~2020年间西北五省货运量和周转量规模进行了预测。研究发现,到2020年,西北五省的货运量可望达到415 321万吨。其中:陕西最高,可望达到201 530万吨;新疆次之,可望达到83 078万吨;宁夏居第三位,可望达到64 924万吨;甘肃居第四位,可望达到46 871万吨;青海居第五位,可望达到18 918万吨。     

我国私家车保有量的模型分析

我国社会经济的快速发展,为我国私家车的发展提供了巨大的空间。然而,交通堵塞、环境污染等问题也接踵而来,这与我国汽车行业的发展具有密切的联系。因此,对私家车保有量进行科学预测具有重要意义。本文以我国1990~2012年私家车保有量为研究对象,分别利用非线性回归预测法、弹性预测法、改进的弹性预测法和二次曲线指数平滑法对私家车保有量进行预测,并以使均方误差MSE最小为原则,选择出最优的预测模型——改进的弹性预测模型对2013~2015年我国私家车保有量进行预测。     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

基于协整分析的我国货运量预测

货运量是运输系统中一个重要指标。研究货运量的变化规律,对货运量进行科学合理预测,对交通规划和经济发展具有重要意义。对货运量进行时间序列分析,建立了货运量的传统时间序列模型,观察到残差存在自相关,提出修正残差的ARMA模型．消除自相关。最后根据模型对货运量进行预测,并提出政策建议。     

基于组合预测的乌江干流货物结构及货运量预测

为了对乌江干流货运量及货运结构进行准确预测,首先采用产销平衡分析的方法,对乌江干流腹地的主要货种产量和待运量进行预测,然后根据乌江货运量占贵州省货物水运量的比重基本稳定的预测思路,建立组合预测模型对乌江水运量进行预测,得到预测通过能力下的乌江干流货运量和货物结构。预测结果表明,乌江航道必须考虑翻坝运输才能解决乌江航道上通航设施通过能力不足的瓶颈问题。